-
公开(公告)号：CN113406551A
公开(公告)日：2021-09-17
申请号：CN202110663016.0
申请日：2021-06-15
Applicant: 三峡大学
Abstract: 一种Rogowski线圈电子式电流互感器故障的早期诊断方法，采集Rogowski线圈电子式电流互感器相位和频率，构建相位差序建数据模型；求得样本自相关函数；借助样本自相关函数曲线的变化趋势，初步判断相位差序列平稳特征，将初步判断为平稳相位差序列用统计学的方法量化分析，并求得ADF单位根检验的统计临界特征表；最后，综合自相关函数曲线的归零速度、震荡幅度以及相位差时间序列ADF单位根检验的统计临界特征表，完成电流互感器故障早期测量数据异常诊断。本发明能够在不停电且不需要标准互感器的情况下，及时发现电流互感器故障早期就表现出来的测量数据异常状况，提前为现场故障预警，减少电流互感器测量异常带来的损失。
-
公开(公告)号：CN113408383B
公开(公告)日：2022-10-21
申请号：CN202110638740.8
申请日：2021-06-08
Applicant: 三峡大学 , 国网安徽省电力有限公司电力科学研究院 , 华中科技大学
Abstract: 基于有界β(g，h)分布和MWKPCA的可听噪声无效数据判定方法，通过有界β(g，h)分布，逐日的对收集到的可听噪声数据进行无效数据判定，将处于有界β(g，h)分布判定标准范围外的无效数据进行剔除；对于处理后的可听噪声数据，使用MWKPCA主元子空间的T2统计量和残差子空间的SPE统计量，逐日的对可听噪声数据集中的无效数据进行判定；对未进行无效数据剔除的数据集、有界β(g，h)分布进行无效数据剔除的数据集、MWKPCA进行无效数据剔除的数据集，分别求取L95，L50，L5百分位数，确定百分位数在数据处理前后变化情况，从而确定无效数据的剔除，是否对后续的可听噪声数据分析造成影响。本发明判定方法更为全面，同时以移动窗的形式对数据进行切分减少气象因素的改变对判定结果的影响。
-
公开(公告)号：CN112763943A
公开(公告)日：2021-05-07
申请号：CN202011429110.1
申请日：2020-12-09
Applicant: 三峡大学 , 国网安徽省电力有限公司电力科学研究院 , 华中科技大学
Abstract: 变压器绕组故障分类与定位的诊断系统及方法，该系统包括扫频仪、变压器绕组、检测终端、电感L1、分压电阻R1、分压电阻R2、电容C。扫频仪输出扫频信号，经过电感L1、分压电阻R1从接地点N输入到变压器绕组上，流经变压器绕组内部的高压绕组A并输出，通过电容C并被分压电阻R2分压后，被检测终端采集扫频数据；检测终端通过构建的深度学习卷积神经网络模型诊断出变压器绕组的故障类型与位置。本发明在实现故障类型诊断高精度的基础上，解决了故障定位问题，具有一定工程意义。在本发明中构建的仿真样本上效果良好，故障类型诊断精度高达100%，故障定位正确率高达83.33%。
-
Patent Agency Ranking
公开(公告)号：CN113408383A
公开(公告)日：2021-09-17
申请号：CN202110638740.8
申请日：2021-06-08
Applicant: 三峡大学 , 国网安徽省电力有限公司电力科学研究院 , 华中科技大学
Abstract: 基于有界β(g，h)分布和MWKPCA的可听噪声无效数据判定方法，通过有界β(g，h)分布，逐日的对收集到的可听噪声数据进行无效数据判定，将处于有界β(g，h)分布判定标准范围外的无效数据进行剔除；对于处理后的可听噪声数据，使用MWKPCA主元子空间的T2统计量和残差子空间的SPE统计量，逐日的对可听噪声数据集中的无效数据进行判定；对未进行无效数据剔除的数据集、有界β(g，h)分布进行无效数据剔除的数据集、MWKPCA进行无效数据剔除的数据集，分别求取L95，L50，L5百分位数，确定百分位数在数据处理前后变化情况，从而确定无效数据的剔除，是否对后续的可听噪声数据分析造成影响。本发明判定方法更为全面，同时以移动窗的形式对数据进行切分减少气象因素的改变对判定结果的影响。
-
公开(公告)号：CN113052249A
公开(公告)日：2021-06-29
申请号：CN202110349611.7
申请日：2021-03-31
Applicant: 三峡大学
Abstract: 基于支持向量机和电流偏差系数的变压器绕组故障类型识别方法，根据变压器绕组结构仿真模型求得的绕组分布参数，建立变压器绕组集中参数电路模型；充分考虑各种故障与电力参数影响，模拟绕组的轴向、径向和匝间短路故障，通过在绕组首端注入频率为600kHz～1MHz范围的扫频信号，测得绕组首端和末端电流数据，构建绕组故障特征曲线数据库；由首、末端电流特征曲线的差异性获得了不同绕组故障的特征向量库；利用支持向量机和电流偏差系数对绕组故障进行类型识别、故障位置确定。本发明方法采用了支持向量机对绕组的故障类型进行识别，提高了故障识别的准确性；同时只需要获取故障的电流偏差系数值即可确定故障发生的位置。
-
公开(公告)号：CN113052249B
公开(公告)日：2022-06-21
申请号：CN202110349611.7
申请日：2021-03-31
Applicant: 三峡大学
Abstract: 基于支持向量机和电流偏差系数的变压器绕组故障类型识别方法，根据变压器绕组结构仿真模型求得的绕组分布参数，建立变压器绕组集中参数电路模型；充分考虑各种故障与电力参数影响，模拟绕组的轴向、径向和匝间短路故障，通过在绕组首端注入频率为600kHz～1MHz范围的扫频信号，测得绕组首端和末端电流数据，构建绕组故障特征曲线数据库；由首、末端电流特征曲线的差异性获得了不同绕组故障的特征向量库；利用支持向量机和电流偏差系数对绕组故障进行类型识别、故障位置确定。本发明方法采用了支持向量机对绕组的故障类型进行识别，提高了故障识别的准确性；同时只需要获取故障的电流偏差系数值即可确定故障发生的位置。
-
公开(公告)号：CN112763943B
公开(公告)日：2022-04-08
申请号：CN202011429110.1
申请日：2020-12-09
Applicant: 三峡大学 , 国网安徽省电力有限公司电力科学研究院 , 华中科技大学
Abstract: 变压器绕组故障分类与定位的诊断系统及方法，该系统包括扫频仪、变压器绕组、检测终端、电感L1、分压电阻R1、分压电阻R2、电容C。扫频仪输出扫频信号，经过电感L1、分压电阻R1从接地点N输入到变压器绕组上，流经变压器绕组内部的高压绕组A并输出，通过电容C并被分压电阻R2分压后，被检测终端采集扫频数据；检测终端通过构建的深度学习卷积神经网络模型诊断出变压器绕组的故障类型与位置。本发明在实现故障类型诊断高精度的基础上，解决了故障定位问题，具有一定工程意义。在本发明中构建的仿真样本上效果良好，故障类型诊断精度高达100%，故障定位正确率高达83.33%。
-
公开(公告)号：CN112731220A
公开(公告)日：2021-04-30
申请号：CN202011387361.8
申请日：2020-12-01
Applicant: 三峡大学 , 国网安徽省电力有限公司电力科学研究院 , 华中科技大学
Abstract: 基于频谱分析的电流互感器铁芯线圈故障诊断方法，对电流互感器铁芯线圈典型故障进行分类；建立典型故障下的电流互感器等值电路模型，获取电流互感器铁芯线圈健康及故障状态下的等值电路参数；构建频谱响应分析电路，获取电流互感器健康、不同故障类型以及不同故障程度下的频谱特征响应曲线，获取互感器故障时的频谱变化特征，建立反映电流互感器状态的频谱特征库；通过获取电流互感器铁芯线圈的当前频谱特征曲线，进而分析频谱特征，并与频谱特征库中数据进行比对分析，判断互感器铁芯线圈的故障类型以及故障程度。本发明方法实现了互感器铁芯线圈故障原因及故障程度的准确诊断，解决了目前常用方法无法判断具体故障类型及故障程度的不足。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
